高等数学 / 系统课时

卡方独立性检验

卡方独立性检验

卡方独立性检验用于判断两个分类变量是否存在统计关联。通过列联表中的观测频数与“完全独立”条件下的期望频数比较,可以得到检验统计量、显著性结论和关联强度。

学习目标

  • 从列联表计算行合计、列合计与期望频数
  • 完成卡方统计量、自由度和显著性判断
  • 区分统计关联、因果关系与关联强度

独立意味着什么

设变量 AA 有 rr 个类别,变量 BB 有 cc 个类别。原假设 H0H_0 表示两个变量相互独立,即一个变量的类别不会改变另一个变量的概率分布。

数据整理为 r×cr\times c 列联表后,每个单元格都有观测频数 OijO_{ij}。若两个变量独立,第 ii 行、第 jj 列单元格的期望频数为:

Eij=第 i 行合计×第 j 列合计nE_{ij}=\frac{\text{第 }i\text{ 行合计}\times\text{第 }j\text{ 列合计}}{n}

这个公式把总体列比例分配到每一行。若某一行中的实际比例明显偏离总体列比例,便会产生较大的卡方贡献。

列联表期望频数计算流程

计算规则

独立性检验的统计量为:

\chi^2=\sum_{i=1}^{r}\sum_{j=1}^{c}\frac{$O_{ij}-E_{ij}$^2}{E_{ij}} $$。自由度为:

df=(r-1)(c-1) $$

行数和列数越多,可自由变化的单元格越多。判断时可计算 pp 值,也可将统计量与给定显著性水平下的临界值比较。统计量落入右尾时拒绝独立假设,说明两个变量之间存在统计关联。

完整示例

某课程比较学习方式与考试结果,得到 200 名学员的列联表:

学习方式 通过 未通过 合计
在线 72 28 100
线下 54 46 100
合计 126 74 200

在独立假设下,在线且通过的期望频数为:

E11=100×126200=63E_{11}=\frac{100\times126}{200}=63

同理,四个单元格的期望频数分别为 63、37、63、37。代入公式:

χ2=(72−63)263+(28−37)237+(54−63)263+(46−37)237≈6.95\chi^2=\frac{(72-63)^2}{63}+\frac{(28-37)^2}{37}+\frac{(54-63)^2}{63}+\frac{(46-37)^2}{37}\approx6.95

该表为 2×22\times2,所以自由度为 (2−1)(2−1)=1(2-1)(2-1)=1。在 α=0.05\alpha=0.05 下,临界值约为 3.84。由于 6.95>3.846.95>3.84,拒绝独立假设,说明学习方式与考试结果存在统计关联。

结果解释与强度

显著性只回答“是否有证据认为有关联”,不说明关联有多强。对一般列联表,可用 Cramér's VV 衡量强度:

V=χ2n×min⁡(r−1,c−1)V=\sqrt{\frac{\chi^2}{n\times\min(r-1,c-1)}}

本例中 V≈6.95/200≈0.19V\approx\sqrt{6.95/200}\approx0.19,表明关联存在,但强度不大。由于数据可能受到基础能力、课程难度和自选学习方式等因素影响,不能据此断言学习方式导致了通过率差异。

前提与易混淆点

每名样本只能计入一个单元格,样本之间应相互独立,期望频数也不能过小。常用经验规则是没有期望频数小于 1,且小于 5 的单元格不超过 20%。对于小样本的 2×22\times2 表,可考虑 Fisher 精确检验。

独立性检验与同质性检验使用相同的卡方计算形式,但研究问题不同:独立性检验通常从一个总体同时观察两个变量;同质性检验则比较多个总体的分类分布是否相同。无论哪一种,显著结果都不自动等于因果关系。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

卡方独立性检验

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通